在基于深度学习的便携式设备中自动测量下肢对齐,用于膝关节骨关节炎

科学领域:

• 整形外科 整形外科 整形外科
• 医学成像分析 医学成像分析
• 生物机械工程 生物机械工程

背景情况:

• 准确的下肢对齐分析对于膝关节骨关节炎 (KOA) 治疗至关重要.
• 目前使用站立长腿放射仪 (LLR) 的手动测量是耗时的,缺乏可重复性.
• 需要有效和方便的方法来评估膝盖对齐.

研究的目的:

• 开发和验证一个自动测量模型来评估从LLRs的膝盖对齐.
• 在准确性,可重复性和时间效率方面评估模型的性能.
• 为了使用便携式设备进行膝盖对齐评估.

主要方法:

• 在837个LLR上开发和训练了一种自动化测量模型.
• 该模型在204个独立的LLR上使用便携式设备进行了测试.
• 关键的膝盖对齐参数 (HKA,JCLA,AMA,mLDFA,mMPTA) 被手动和模型测量.

主要成果:

• 该模型表现出高精度,平均平均辐射误差为2.778和2.447.
• 很大一部分原生膝关节和假膝关节在主要参数中实现了<1°的角度偏差.
• 布兰德-阿尔特曼分析显示,大多数参数在±2°内达成一致,这表明可靠性很好.

结论:

• 该自动化工具为KOA患者提供可靠和可重复的膝盖对齐评估.
• 该模型显著减少了测量时间,提供了一个节省时间的解决方案.
• 这种基于便携式设备的工具增强了LLR分析的临床实用性.